【word解析】从 Word 提取数学公式并渲染到 Web 页面的完整指南

一、背景

因业务需求,目前正在实现一项需求，即将一份试卷的内容提取出来，由非结构化到结构化的转换。其中在对数学试卷进行解析的时候发现试卷中有数学公式，想要把数学公式也要提取出来，并且展示到web页面的时候遇到了困难，以前也没有遇到过，花了一番功夫，最终还是搞定了，于是写下来分享给大家。

二、概述

从一份word格式的数学试卷中，用java提取公式，此刻数据结构是OMML格式，接下来需要转换为mathml格式，最后再转换为latex格式，将latex格式推给前端由前端进行渲染。

三、正文

1、使用java解析word文件，输出数学公式OMML格式内容。

下图是word内容：

Java解析文件的代码：

public static void readMathFormulas2(String filePath) throws IOException {
    // 创建文件输入流
    FileInputStream fis = new FileInputStream(filePath);
    // 创建XWPFDocument对象
    XWPFDocument document = new XWPFDocument(fis);

    for (IBodyElement element : document.getBodyElements()) {
        if (element instanceof XWPFParagraph) {
            XWPFParagraph paragraph = (XWPFParagraph) element;


            // 处理块级公式
            for (CTOMath math : paragraph.getCTP().getOMathList()) {
                String omml = math.xmlText();
                System.out.println("Block formula: " + omml);
            }

            // 处理内联公式
            for (CTOMathPara math22 : paragraph.getCTP().getOMathParaList()) {
                String omml = math22.xmlText();
                System.out.println("Inline formula: " + omml);
            }
        }
    }
}

解析出来的数学公式OMML格式内容：

<m:oMath xmlns:wpc="http://schemas.microsoft.com/office/word/2010/wordprocessingCanvas" xmlns:cx="http://schemas.microsoft.com/office/drawing/2014/chartex" xmlns:cx1="http://schemas.mi